DW - Course Overview I

1
DW - Course Overview I

• Course Objectives I
• Motivation !
• Ziele
• Limits

2
DW - Course Overview II

• Voraussetzungen
• Unternehmensaufbau
• Organisation/Hierarchien und Entscheider
• Projektmanagement
• Methoden
• SW-Entwicklung
• Methoden
• Datenbanken (relationale, obektorientierte)
• Datenbank Transaktion
• Entity-Relation-Ship Modell
• Normalisierung
• Schluessel/Indexe

3
DW - Course Overview III

• Methodik der Wissensvermittlung
• Vorlesung Folien
• Gespräch (Frage/Antwort)
• Video
• Übung (?)

4
DW - Course Overview III

• Information Sources
• Vorlesungsmaterial BA-Loerrach
• Vorlesungsmaterialien von anderen Instituten
• Internet
• http//www.competence-site.de (Competence Center
  BI)
• http//www.datawarehouse.com
• http//www.intelligententerprise.com
• Eigene Kurse und Trainings
• Meine eigenen Erfahrungen innerhalb eines DW
  Projektteams

5
DW- Gliederung des Kurses I
Tag 1

• Business Intelligence
• Eine Begriffsbestimmung
• Current Business Dynamic
• Business Trends
• Introduction into Data Warehousing
• OLTP-Data Warehouse
• The Big Picture
• Data Warehouse und verwandte Konzepte

6
DW- Gliederung des Kurses II
Tag 1 cont.

• The Business Value of a Data Warehouse
• Einsatzbeispiel 1
• Customer Relationship Management
• Einsatzbeispiel 2
• Zusammenfassung Tag 1
• Did we meet the objectives ?
• Your feedback is welcome ?

7
DW- Gliederung des Kurses III

• Review Tag 1
• Ausblick Tag 2
• Data Warehouse Glossery
• Data Warehouse Definition
• Extract, Tarnsportation Tarnsformation Process
  (ETT)
• Star Snowflake Schemas Anatomy
• Data Marts
• Online Analytical Processing (OLAP Access
  Architectures)
• Data Mining

Tag 2
8
DW- Gliederung des Kurses IV
Tag 2 cont.

• Data Warehouse Architecture
• Zentrale Komponenten - Overview
• Besprechungswürfel
• DW Daten-Sicht
• Input Daten, interne und externe
• Daten im Kernsystem
• Output-Daten

9
DW- Gliederung des Kurses V
Tag 3

• Data Warehouse Analysen
• Queries und Berichte
• Data Mining
• Data Warehouse Projects
• Business Requirements - Who buys a Data
  Warehouse ?
• Methods
• The Project Team
• THINK BIG, start small !
• DW Projekt deliverables

10
DW- Gliederung des Kurses VI
Tag 3 cont.

• Data Warehouse Projects
• Logische Data Warehouse Modellierung
• Is an Enterprise Data Warehouse always the right
  answer ?
• Benefits, Risks and Weaknesses, Avoiding
  pitfalls
• Examples
• Wrap-up Session
• Weiterfuehrende Tehmen
• Literatur, Links, Präsentationen,
• Did we meet the objectives ?
• Your feedback is welcome !
• Klausur

11
DW- Gliederung des Kurses VII

• Course Objectives II
• You should be able to describe the Data
  Warehouse terminology and the concepts
• You can identify Data Warehouse components and
  processes and also explore warehouse styles
• Youll be in a position to recognize
  requirements and limitations of DW
  architectures and implementation approaches
• You may specify the tools that may be used at
  each phase of the DW development life cycle
• You can discuss DW modeling concepts
• You have to explain why DW are popular business
  solutions

12
DW- Gliederung des Kurses VIII
Course Objectives II But Its just a starting
point, during your careers (as consultant, as
project manager) youre going to face situations
where you have to go back to the books and the
courses .
And here is the message Well need you ! Were
waiting for you ! We trust in your skills and
potentials !
13
Business Intelligence
Eine Begriffsbestimmung
14
Business Intelligence
Eine Begriffsbestimmung
Wissen - Intelligence ? Intelligence (engl) 1.
Intelligenz, Klugheit, Verstand 2. rasche
Auffassungsgabe, Scharfsinn 3. Einsicht,
Verständnis 4. Mitteilung, Auskunft 5.
Nachrichtendienst bzw. Nachrichtenwesen
BI Wissens Entdeckungsprozess
15
Business Intelligence
Eine Begriffsbestimmung
Business Intelligence bezeichnet - den
analytischen Prozeß, - der fragmentierte
Unternehmens- und Wettbewerbsdaten - in
handlungsgerichtetes Wissen - über die
Fähigkeiten, Positionen, Handlungen und Ziele -
der betrachteten internen oder externen
Handlungsfelder (Akteure und Prozesse)
transformiert
Martin Grothe, Peter Gentsch, Business
Intelligence, Aus Informationen
Wettbewerbsvorteile gewinnen, Addison-Wesley 2000
16
Business Intelligence
Eine Begriffsbestimmung
Diese Definition von Business Intelligence betont
besonders, dass Business Intelligence keine feste
Größe ist, sondern im Wesentlichen einen Prozess
kennzeichnet Prozessphasen 1. Bereitstellung
quantitativer und qualitativer, strukturierter
oder unstrukturierter Basisdaten. 2. Entdeckung
relevanter Zusammenhänge, Muster und Musterbrüche
oder Diskontinuitäten gemäß vorbestimmter
Hypothesen oder hypothesenfrei. 3. Teilen und
Nutzung der gewonnenen Erkenntnisse zur Stützung
von Maßnahmen und Entscheidungen.
17
Business Intelligence
Eine Begriffsbestimmung
Für die unterschiedlichen Aufgaben und
Anforderungen des "Wissens-Entdeckungsprozesses"
stellt Business Intelligence Informations- und
Kommunikationssysteme zur Verfügung. Im
folgenden werden für die Bausteine des Business
Intelligence die jeweiligen Instrumente und
Infrastrukturen vorgestellt. Entscheidend ist,
dass die Instrumente eine intuitive,
anwenderfreundliche Nutzung erlauben. Die
Instrumente sollen ja gerade den Umgang mit der
Komplexität der Realität vereinfachen
18
Business Intelligence
Eine Begriffsbestimmung
19
Business Intelligence
Eine Begriffsbestimmung
Die Werkzeuge werden unterschieden - ob sie
der Bereitstellung von Daten dienen, - oder der
Entdeckung von Beziehungen, Mustern oder
Prinzipien - oder der Kommunikation der
entdeckten Zusammenhänge. Weiterhin kann
unterschieden werden, - ob es sich um
quantitative - oder eher um qualitative
Ausprägungen handelt und - ob die Daten
strukturiert oder unstrukturiert sind.
Hinsichtlich des Entdeckungsprozesses kann
unterschieden werden zwischen - einem
hypothesengestützen - oder hypothesenfreien
Ansatz bei der Analyse.
20
Business Intelligence
Eine Begriffsbestimmung
21
Business Intelligence
Eine Begriffsbestimmung
22
Business Intelligence
Business Intelligence Anwendungen
Typische Branchen für sog. Business Intelligence
Anwendungen Handel / Konsumgüterindustrie Ver
sorgungsunternehmen Banking /
Versicherungen Automobil-Industrie / Aerospace
Defense Telekomunikation Medienindustrie H
ealth Care Immobilienmanagement Public Sector
23
Business Intelligence
Business Intelligence Anwendungen
Typische BI Anwendungen Customer Relationship
Analytics Marktpotentialanalyse Marketing
(Kampagnen, Kennzahlen) Aktivitäten und
Opportunities (Kundenpflege) Web-based
Mangement (Besucher, Banner) Mobile Sales
(Aussendienst) Angebotserfolgskontrolle Produk
t- und Kundenanalysen Retention Management
(Kundenbindung)
24
Business Intelligence
Business Intelligence Anwendungen
E-Analytics E-Site-Analytics (Verweildauer,
Anzahl Hits, Aktionsdauer) E-Business
Analytics (Ereignisse, Artikel) Supply Chain
Analytics Supply-Chain-Planung und
Optimierung E-Procurement (B2B),
Bestandsführung Produktionsplanung und
steuerung Instandhaltungs- und Qualitätsanalyse
25
Business Intelligence
Business Intelligence Anwendungen
Financial Analytics Cost-Management Ergebnis-,
Marktsegmentrechnung und Profit-Center-Rechnung
Finanzbuchhaltung Cash-Management Reisemana
gement Investitionsmanagement Projektmanagemen
t Konsolidierung
26
Business Intelligence
Business Intelligence Anwendungen
Strategic Enterprise Management Unternehmenssimu
lationen Planszenarios Human Capital
Management Personaladministration Personalbesc
haffung Veranstaltungsmanagement Personalentwi
cklung Vergütungsmanagement Organisationsmanag
ement Zeitwirtschaft Personalabrechnung
27
Current Business Dynamic
28
Current Business Dynamic
Consequences for the Companies

• Develop Market Awareness (Bewusstsein)
• without this they are unable to move with the
  market
• Responsiveness (Entgegenkommen)
• as these market forces work and change, it is
  critical the company responds just as quickly so
  it can stay on track an on top
• Adaptability (Anpassungsfaehigkeit)
• the organization must adapt (anpassen) to each
  small and large change in the environment

29
Current Business Dynamic
Consequences for the Companies cont.

• Innovation
• the company must take the most of innovative
  ideas
• and should nurture (erziehen,beguenstigen)
  innovators
• throughout (ueberall) the organization
• Efficiency (Effizienz)
• Quality
• Poor quality products and services will churn
• (zum schaeumen bringen) customers faster then
  anything else

30
Current Business Dynamic
Business forces in the 90s

• The Profit Dimension (Value Exchange)
• essentially there are only three ways of
  increasing the profitability of a company
• get more customers
• keep customers longer
• sell them more (or at least more profitable
  products)
• there is an assumed fourth way as well this is
  by not attracting to your organization or
  retaining (behalten) those customers that are not
  profitable

31
Current Business Dynamic
Business forces in the 90s

• The Channel Dimension Disintermediation
  (Einlagenabzug)
• Cut out the Middle Man !
• Bookseller Author
• Internet Based Supermarket - Wholesaler
  (Grosshaendler)

32
Current Business Dynamic
Business forces in the 90s

• Customer Dimension Disaggregation (Zerfall)
• Customer is King !
• All customers are not equal some will make you
  money others will lose you money
• The first step to enhancing the on organization
  focus is to differentiate customers
• Ideally this differentiation should be based on
  profitability over long terms

33
Current Business Dynamic
Business forces in the 90s

• The Product Dimension Mass Customization
• Treating (behandeln) the customers as
  individuals this is the key to locking in
  (festhalten) the customers and preventing them
  from defecting (ueberlaufen) to a rival company
• Its not only losing a customer he will go to
  the competitors and make them more successful
• If we combine this notion (Idee) of individualism
  with our knowledge of the customers and the
  capabilities of current technologies (JIT,
  product variations)
• Mass Customization is about managing variations
  in product, pricing, packaging, service, delivery
  and other factors based on the match to the
  customers needs and aspirations (Ambitionen)

34
Current Business Dynamic
Business Challenge/Business trends

• focus on customer
• considering customers as an individual rather
  then simply counting the number of transactions
  that have occurred in the day
• understanding the business
• decision making at all levels
• individuals are increasingly (zunehmend)
  empowered (ermaechtigt) to make decisions within
  a business, to do this of course we must also
  distribute the information on which they can base
  their decisions
• information as competitive (konkurenzfaehig)
  weapon
• information as an asset (Vermoegen)

35
Current Business Dynamic
Information is the key enabler

• About ourselves
• product development costs
• marketing effectiveness
• product profitability
• supply chain (Lieferkette) distribution channel
  profitability
• About our competition and the outside world
• weather conditions
• society/political events
• market share changes
• About our customers and our dealing with them

36
Current Business Dynamic
Information Challenge What will the future
bring ?

• Data Explosion
• It is estimated that the amount of data in the
  world doubles every 12 month
• There is a world of differences between data and
  information and knowledge
• Accelerated product lifecycle
• 50 years ago it took a car manufacture 10 years
  to bring an new car to the market
• they now have to achieve this in 12 month while
  also offering many more variants customer menu
  options and JIT production
• there is every reason to believe this trend will
  continue as organizations strive (eifern) to
  differentiate (unterscheiden) their products and
  services

37
Current Business Dynamic
Information Challenge What will the future
bring ?

• New entrants (Teilnehmer) to the market
• Enabled by Call Center Technology and the
  Internet, new companies can bring products and
  services to the market with a modest (reduziert)
  investment
• Often allowing them to cherry pick the best
  customers
• Empowerment (Ermaechtigung) of the individuals
• Call Center Technology
• E-Businees

38
Introduction into Data Warehousing
Operative Systeme und Analytische Systeme

• Die andere Zielsetzung der Operativen Systeme
• Im Mittelpunkt des Tagesgeschehens von
  Unternehmen stehen die sog. Business Applications
  (Critical Mission Applications)
• Diese operativen branchenorientierten Systeme
  sollen in erster Linie die betriebliche
  Transaktionen unterstützen und konsistent und
  sicher festhalten
• Sie sind nicht speziell für die Unterstützung der
  Entscheidungsfindung konzipiert und haben
  diesbezüglich deshalb ihre Grenzen

39
Introduction into Data Warehousing
Operative Systeme und Analytische Systeme

• Die andere Zielsetzung der Operativen Systeme
• Die hinter der CMA liegende Datenbank wird
  infolge der abgewickelten Transaktionen permanent
  aktualisiert
• Die Datenbank muß dauernd im Zugriff sein und
  schnelle Reaktionszeiten bieten
• Sie enthält aktuelle, detailierte, primäre Daten
  und speichert diese normalerweise redundanzfrei
• Der Zugriff auf die Daten geschieht i.d.R. mit
  standardisierten Abfragen

40
Introduction into Data Warehousing
Operative Systeme und Analytische Systeme
41
Introduction into Data Warehousing
Operative Systeme Analytische Systeme

• Hohe Speicherkapazität
• Gegenstandsorientiert
• Historische Daten
• Auch zusammengefasste, abgeleitete Daten
• Keine Updates
• Dient als Datenspeicher für Analyse/
  Entscheidungsfindung

• Schnelle Antwortzeit
• Anwendungsorientiert
• Aktuelle Daten
• Detaillierte, primäre Daten
• Häufige Änderungen
• Dient täglicher Arbeit

42
Introduction into Data Warehousing
Operative Systeme und Analytische Systeme
-gt Man muss beide Systeme trennen.
43
Introduction into Data Warehousing
Ein zusätzliches Data Warehouse

• Business Applications (CMAs) für die
  Unterstützung der betrieblichen Transaktionen
• Data Warehouse-Systeme für die Unterstützung
  analysierender Tätigkeiten und zur
  Entscheidungsunterstützung
• Ein DWH bildet insofern das logische Komplement
  zu den operativen Informationssystemen

44
Introduction into Data Warehousing
Ein zusätzliches Data Warehouse
45
Introduction into Data Warehousing
Data Warehouse Definition

• Ein DW ist ein analytisches System, d.h. es
  soll Informationen Methoden liefern, die
  Mitarbeitern helfen, kurz-, mittel- und
  langfristige Entscheidungen zu treffen
• Es unterscheidet sich durch seine
  Analyse-Orientierung erheblich von den
  transaktions-orientierten operativen Systemen zur
  Abwicklung des Tagesgeschäftes
• Es stellt Schnappschuss-Daten (keine
  Echtzeit-Daten) zeitpunktsrichtig für
  Lesezugriffe zur Verfügung
• Die DW-Datenbasis kann sehr groß sein und besteht
  meist aus historischen Einzel- und
  Aggregationssätzen
• Die Datenbasis kann eine relativ hohe Redundanz
  aufweisen, ist aber wohlstrukturiert und
  konsistent

46
Introduction into Data Warehousing
Data Warehouse Definition
Mit dem Begriff Data Warehouse wird eine von den
operationalen DV-Systemen isolierte Datenbank
umschrieben, die als unternehmensweite Datenbasis
für Management-Unterstützungssysteme dient. A
Data Warehouse is a subject-oriented,
integrated, time-variant, nonvolatile collection
of data in support of managements
decision-making process. Inmon, Hackathron 1994
47
Introduction into Data Warehousing
Data Warehouse Definition

• Subject-oriented
• Daten werden themenorientiert oder
  aufgabenbezogen zusammengeführt
• Ziel ist es, unternehmensbestimmende
  Sachverhalte aus Managementsicht darzustellen
• Integrated
• die Struktur- und Formatvereinheitlichung der
  Daten aus den operativen Systemen
• konsistente Datenbasis im Data Warehouse
• Beseitigung mögliche Inkonsistenzen im
  Datenbestand, die durch die Datenhaltung in
  verschiedenen operativen Systemen entstanden

48
Introduction into Data Warehousing
Data Warehouse Definition

• Time-variant
• den Daten aus den operativen Systemen werden
  Zeitmarken hinzugefügt
• Auswertungen, die Informationen über die
  Entwicklung
• des Unternehmens zur Erkennung von Trends liefern
  
• der abgebildete Zeithorizont kann in einem Data
  Warehouse je nach betrieblichen Anforderungen bis
  zu zehn Jahre betragen
• Daten über einen Zeitraum von zehn Jahren werden
  im Data Warehouse aufbewahrt
• Nonvolatile
• keine Änderungen der gespeicherten Daten nach
  der fehlerfreien Übernahme aus den operativen
• alle erstellten Auswertungen und Analysen sind
  reproduzierbar, insofern die Daten nicht im Laufe
  der Zeit gelöscht bzw. verdichtet wurden.

49
Introduction into Data Warehousing
Data Warehouse Architecture
50
Introduction into Data Warehousing
Data Warehouse Architecture
Input-Schicht hier werden die
unternehmensinternen und externen Daten
übernommen, d.h. im Normalfall werden mittels
sogenannter Transformationsprogramme die Daten
aus den operativen Informationssystemen
vorbereitet, versdichtet und übernommen ODS
(Operational Data Store) Datenspeicher, in dem
Daten, die zwischen zwei Datenübernahmen
anfallen, gespeichert werden. Diese müssen nicht
verdichtet werden. Zweck des ODS ist es,
möglichst immer notwendige aktuelle Daten zur
Verfügung zu haben.
51
Introduction into Data Warehousing
Data Warehouse Architecture

• Meta-Daten
• beschreiben die im DWH gehaltenen Daten
• Output-Schicht hier werden die Daten zur Nutzung
  (durch Direktzugriff, etc.) zur Verfügung
  gestellt, d.h. hier setzen die Datenanalysewerkzeu
  ge auf.
• Data Warehouse i.e.S.
• stellt die eigentliche Datenhaltung dar, in ihm
  werden die verdichteten Daten aus den
  unterschiedlichen Unternehmensbereichen
  gespeichert (Datenbank).

52
Introduction into Data Warehousing
DW und verwandte Konzepte

• Management Support Systemen (MSS)
• Überbegriff über alle Spielarten der
  elektronischen Unterstützung betrieblicher
  Entscheidungsträger
• MIS (Management Information Systems)
• DSS (Decision Support Systems)
• EIS/FIS (Excecutive/Financial Information Systems

53
Introduction into Data Warehousing
DW und verwandte Konzepte
54
Introduction into Data Warehousing
DW Everybodys IS der 90-iger/0x-iger

• Unternehmensweites Datenbank-Konzept, dessen Ziel
  es ist, eine breite, logisch zentrale,
  einheitliche und konsistente Datenbasis
  aufzubauen, die losgelöst von den operativen
  Datenbanken betrieben wird
• Die atomaren Daten müssen aus den vielfältigen
  und heterogenen operativen Vorsystemen
  systematisch extrahiert, aufbereitet, gesäubert
  und entsprechend den Anforderungen strukturiert
  abgelegt werden
• Da im Idealfall alle analyseorientierten
  Anwendungen eines Unternehmens mit diesen Daten
  arbeiten, gibt es nur eine Version der
  Wahrheit, d.h. auch, dass unterschiedliche
  Personen nicht mit unterschiedlichen Zahlen
  arbeiten

55
Introduction into Data Warehousing
DW Analyseorientierten Anwendungen

• OLAP-Werkzeuge (On-line Analytic Process)
• Software, die bei betriebswirtschaftlichen
  Analysen hilft
• Fach- und Führungskräfte sollen schnell,
  interaktiv und analytisch Zugriffe auf
  konsistente Informationen haben
• Ermöglichen (wie EIS) auch multidimensionale
  Analysen
• Anordnung von Kennzahlen (z.B. Umsatz- oder
  Kostengrössen) entlang unterschiedlicher
  Dimensionen (z.B. Kunden, Artikel, Regionen)
• Data Mining-Werkzeuge
• Techniken zum Auffinden bisher verborgener
  Strukturen und Muster in umfangreichen
  Datenbeständen

56
The Business Value of a Data Warehouse
.. Information is the key enabler

• About our customers and our dealing with them
• purchasing behavior
• life changes, trends
• defection (Absage) analysis
• communication effectiveness

57
The Business Value of a Data Warehouse
Main use of Data Warehousing

• Main use of Data Warehousing 1999
• 35 Finance and other Decision Support Data
  Warehouses
• 65 Customer Marketing Applications

58
The Business Value of a Data Warehouse
Customer Relationship Management

• So what is CRM
• - a formal program that allows us to achieve
  (erreichen) customer related objectives by
  knowing customers better
• 1st look at customer then profitability, time to
  market and other factors
• the more information we can collect about a
  customer the better
• the information must retained (festgehalten) and
  managed for the long therm
• we must track customers over the lifetime of our
  interaction with them (we need to understand the
  LTV of the customer)

59
The Business Value of a Data Warehouse
CRM and Corporate Strategy

• A company can take only one of three possible
  positions for its product strategy
• (1) Low cost producer Examples ?
• Cost driven, difficult to sustain
  (aufrechtzuerhalten)
• Position is generally impossible to maintain over
  a long period unless protected by governments
• (2) Technology leader Examples ?
• High investment cost risk
• Difficult to sustain
• Its impossible to maintain the technology leader
  over time and technology other companies will
  soon catch up

60
The Business Value of a Data Warehouse
CRM and Corporate Strategy

• A company can take only one of three possible
  positions for its product strategy
• (3) Best Customer Relationship Example ?
• Customer driven NOT cost
• The added bonus when you have customers loyalty
  is that it tends to take the pressure off margins
  as your customer are not buying on price
• Sustainable (tragbare) position

61
The Business Value of a Data Warehouse
Customer Strategy

• In contrast to the strategy adopted by an
  organization when positioning its products and
  services, a customer on the other hand will base
  his/her relationship on a mix of the following
  three characteristics
• (1) Financial Examples ?
• This maps to the low cost producer company
  strategy
• Would also include additional discounting and
  customer loyalty schemes
• Type of bond (Anhaenglichkeit), customer will
  increasingly look for the lowest price or best
  deal
• Loyalty schemes that reward (Belohnen) the
  number of things purchased as opposed to the
  value of things are dangerous as they effect
  reward bad rather then good behavior

62
The Business Value of a Data Warehouse
Customer Strategy

• (2) Social values Examples ?
• bond is based on some agree real or perceived
  (empfunden) understanding betwenn the customer
  and the supplier
• offers a much stronger and more resilient
  (elastisch) attachment (Angliederung)
• (3) Structural
• Strongest bond of all
• Based on some physical or cognitive
  (bewusstseins) connection between the customer
  and the company
• Examples
• The credit card and store cards you have its
  much easier and more rewarding to use these than
  go somewhere else
• Vending machine in you building this is much
  easier sell as you are a captive (gefangen)
  audience

63
The Business Value of a Data Warehouse
Developing a CRM Strategy I

• (1) Mass Marketing Example ?
• we know very little about our customers
• we can also do very little about customizing our
  products and services
• we place an emphasis on costs and try to reach as
  many customers as we can

64
The Business Value of a Data Warehouse
Developing a CRM Strategy II

• (2) Database Marketing
• we learn more about our customers
• we can begin to target them more effectively
• we still cannot differentiate our products and
  services
• we look to further reduce acquisition costs and
  cost per sale
• Example Catalogue Company
• If we can stop sending catalogues to customers
  who are unlikely to buy from us we could
  dramatically change our profitability (Gutscheine
  fuer Kataloge)

65
The Business Value of a Data Warehouse
Developing a CRM Strategy III

• (3) Niche Marketing Example ?
• we have a highly differentiated product but know
  little about our customers
• we may fine for a while but how to grow ?
• the cost to acquire customers is likely to kill
  the company sooner or later

66
The Business Value of a Data Warehouse
Developing a CRM Strategy IV

• (4) Relationship Marketing Example ?
• most desirable (wuenschenswert) position
• we know a lot about our customers and can also
  deliver product and services they desire
• Mix it baby !

67
The Business Value of a Data Warehouse
Tiering (Einteilen) Customers

• Most Valuable Customers (MVCs)
• Most Growable Customers (MGCs)
• Third Fourth Tier
• Below Zeros (BZs)

68
The Business Value of a Data Warehouse
Tiering (Einteilen) Customers I

• Most Valuable Customers (MVCs) - Examples ?
• very little difference between their values (what
  they buy from you) and their strategic value
  (what they spend on your type of products and
  services in total)
• for those guys we should adopt a retention
  (Festhalten) strategy
• they are of great value for us, but we are
  unlikely to be able to grow additional revenue
  from them

69
The Business Value of a Data Warehouse
Tiering (Einteilen) Customers II

• Most Growable Customers (MGCs) - Examples ?
• Have great potentials but they are only spending
  relatively little with you
• Strategy to grow these customers
• As we already know who these customers are, we do
  not need to spend on acquisition
• But focus is required to deliver consistent,
  differentiated and high quality products and
  services to achieve this growth
• An interesting measure for Marketing How many
  MGCs can be moved to the MVC level ?

70
The Business Value of a Data Warehouse
Tiering (Einteilen) Customers III

• Third Fourth Tier - Examples ?
• Those guys are of course interesting to the
  company but we shouldnt focus on them
• Its a mistake to gear your company around these
  folks the potential income from them is too low
• Reasonable strategy to drive them towards (in
  Richtung) interacting with your company in a
  lower cost fashion
• On the whole they shouldnt probably ignored to
  avoid placing undue (uebertrieben) focus on them

71
The Business Value of a Data Warehouse
Tiering (Einteilen) Customers IV

• Below Zeros (BZs)
• Even the strategic value of these customers is
  below the service costs
• You will lose money with them
• Strategy You should lose the customers before
  you lose your money or try to drive them towards
  lower cost services or more profitable products
• Give them to you rivals so they cast them money
  instead

72
The Business Value of a Data Warehouse
Four basic Strategies

• Identify Customers
• Differentiate Customers
• Interact !
• Customize Product and Services

73
The Business Value of a Data Warehouse
Four basic Strategies I II

• Identify Customers
• Identify the customers individually
• So they can be communicated with
• They have to be addressable
• Differentiate Customers
• Differentiate based on some measures (Live time
  value)
• Having divided our customers by value, we should
  also segment them by needs as this is the key to
  communicate effectively and mindfully
  (vorsichtig)

74
The Business Value of a Data Warehouse
Four basic Strategies III IV

• Interact !
• We are now ready to select those we want to focus
  our attention on and interact with them
• The secret is to listen as well as talk !
• Customize Product and Services
• If we communicate with the customers, we are in a
  perfect situation to determine what they want
  from us
• Then we design and deliver products and services
  more suited (passend) to them
• We should say what products should we build to
  suite our customers rather then how do wee get
  more customers for our products
• Classic feedback loop

75
The Business Value of a Data Warehouse
Key Enabler for a 1 to 1 marketing over long term

• Integration of all customer touch points
• We must deliver timely and accurate information
  to each possible contact point
• We must also record details about each
  interaction
• Call center, Sales force Automation (Prozesse,
  Software und Tools zur Unterstützung und
  Automatisierung des Vertriebs-Aussendienstes)
• Low cost interaction with customers
• Especially true for customers in the lower tiers
• WWW
• Focused marketing to reduce costs
• Information Integration
• Data Warehouse to integrate information
• Enabling the company and customers by delivering
  this information

76
The Business Value of a Data Warehouse
Collecting Customer Information

• A 360º Profile of a customer
• Revenue (Einkommen)
• Credit rating (Einschaetzung der
  Kredit-Wuerdigkeit)
• Prospect (moeglicher Kunde)
• Demographics
• History of contacts, purchases (Kaeufe)
• Psychographic (persoenliche Eigenschaften)
• Behavior

77
The Business Value of a Data Warehouse
Lasting (dauerhaft) Competitive (konkurenzfaehig)
Advantage

• you got something of your customers that your
  competitor did not get information
• Categorize the different types of information by
  the source of that information
• External Example ?
• available to your company and to your competitors
  as well of course
• but useful for providing context
• External market survey (Uebersicht) or customer
  survey information conducted on your behalf (zu
  ihrem Nutzen)

78
The Business Value of a Data Warehouse
Lasting (dauerhaft) Competitive (konkurenzfaehig)
Advantage

• Categorize the different types of information by
  the source of that information
• Internal transactional based Examples ?
• Those data are the bread and butter of the
  Warehouse but includes no interaction with the
  customers
• Internal customer based
• Perhaps the most valuable from the 1 to 1
  perspective
• Information has given willing and freely by the
  customers herself
• Its difficult to codify (chiffrieren) and record
  this information and to represent it meaningful

79
The Business Value of a Data Warehouse